医生推荐方法、医生推荐装置、终端设备及存储介质

摘要

本申请适用于数据处理技术领域，提供了一种医生推荐方法、医生推荐装置、终端设备及存储介质，该医生推荐方法包括：获取目标居民的个人信息，所述目标居民的个人信息包括所述目标居民的人口学信息和就诊历史信息；将所述目标居民的个人信息输入至已训练的第一决策树，得到目标就诊类别，所述目标就诊类别是指与所述目标居民的个人信息匹配的就诊类别；根据所述就诊类别，确定医生列表，所述医生列表包括至少一个目标医生的个人信息；向所述目标居民推荐所述医生列表。通过本申请可向居民推荐与其匹配的医生。

说明书

技术领域

本申请属于数据处理技术领域，尤其涉及一种医生推荐方法、医生推荐装置、终端设备及存储介质。

背景技术

当前居民就医都需要自己去医院查找相关科室的医生，或者在医院官网上查找医生的主治领域，并确定与病情相关的医生进行就诊。由于居民的医学知识匮乏，对医生缺乏了解，在查找医生时具有较大的随机性和盲目性，导致难以查找到合适的医生。

发明内容

本申请提供了一种医生推荐方法、医生推荐装置、终端设备及存储介质，以向居民推荐与其匹配的医生。

第一方面，本申请实施例提供了一种医生推荐方法，所述医生推荐方法包括：

获取目标居民的个人信息，所述目标居民的个人信息包括所述目标历史居民的人口学信息和就诊历史信息；

将所述目标居民的个人信息输入至已训练的第一决策树，得到目标就诊类别，所述目标就诊类别是指与所述目标居民的个人信息匹配的就诊类别；

根据所述目标就诊类别，确定医生列表，所述医生列表包括至少一个目标医生的个人信息；

向所述目标居民推荐所述医生列表。

第二方面，本申请实施例提供了一种医生推荐装置，所述医生推荐装置包括：

信息获取模块，用于获取目标居民的个人信息，所述目标居民的个人信息包括所述目标居民的人口学信息和就诊历史信息；

类别获取模块，用于将所述目标居民的个人信息输入至已训练的第一决策树，得到目标就诊类别，所述目标就诊类别是指与所述目标居民的个人信息匹配的就诊类别；

医生确定模块，用于根据所述目标就诊类别，确定医生列表，所述医生列表包括至少一个目标医生的个人信息；

医生推荐模块，用于向所述目标居民推荐所述医生列表。

第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述医生推荐方法的步骤。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述医生推荐方法的步骤。

第五方面，本申请实施例提供了一种计算机程序产品，当所述计算机程序产品在终端设备上运行时，使得所述终端设备执行如上述第一方面所述医生推荐方法的步骤。

由上可见，本方案通过将目标居民的个人信息输入至已训练的第一决策树，能够得到与目标居民的个人信息匹配的就诊类别，根据该就诊类别可以得到医生列表，将该医生列表推荐给目标居民，能够向目标居民推荐与其匹配的医生，满足目标居民的健康需求。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例一提供的医生推荐方法的实现流程示意图；

图2是本申请实施例二提供的医生推荐方法的实现流程示意图；

图3是本申请实施例三提供的医生推荐装置的结构示意图；

图4是本申请实施例四提供的终端设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

具体实现中，本申请实施例中描述的终端设备包括但不限于诸如具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是，在某些实施例中，所述设备并非便携式通信设备，而是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的台式计算机。

在接下来的讨论中，描述了包括显示器和触摸敏感表面的终端设备。然而，应当理解的是，终端设备可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。

终端设备支持各种应用程序，例如以下中的一个或多个：绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。

可以在终端设备上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样，终端的公共物理架构(例如，触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。

应理解，本实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。

参见图1，是本申请实施例一提供的医生推荐方法的实现流程示意图，该医生推荐方法应用于终端设备，如图所示该医生推荐方法可以包括以下步骤：

步骤101，获取目标居民的个人信息。

目标居民的个人信息包括但不限于目标居民的人口学信息和就诊历史信息。

目标居民可以是指需要推荐医生的居民。例如，居民在就医时，需要终端设备向其推荐与自身病情相关的医生，该居民即为目标居民。

目标居民的人口学信息包括但不限于年龄、性别、家庭人口结构、身高、体重等。

目标居民的就诊历史信息包括但不限于目标居民的病史、就诊次数、就诊时间、就诊医生、门诊病历等。

根据目标居民的人口学信息和就诊历史信息可以挖掘目标居民的健康需求，从而为目标居民推荐满足其健康需求的医生。

具体地，可以在终端设备上安装医生推荐系统，目标居民在需要推荐医生时，可以启动该医生推荐系统，进入该医生推荐系统的操作界面，在该操作界面显示信息输入选项，在该信息输入选项上输入其自身的人口学信息和就诊历史信息。其中，信息输入选项包括但不限于年龄、性别、家庭人口结构、身高、体重、病历、就诊次数、就诊时间、就诊医生、门诊病历等选项。医生推荐系统可以是指用于实现本申请方案的软件。

步骤102，将目标居民的个人信息输入至已训练的第一决策树，得到目标就诊类别。

目标就诊类别是指与目标居民的个人信息匹配的就诊类别。

第一决策树用于根据居民的个人信息，预测与居民的个人信息匹配的就诊类别，故将目标居民的个人信息输入至第一决策树，可以预测与目标居民匹配的就诊类别(即目标就诊类别)，根据该目标就诊类别可以得到与目标居民匹配的医生，满足目标居民的健康需求。

第一决策树可以是稀疏多变量决策树，该决策树在每次决策时考虑多个因素的组合，可以更好地划分出不同的健康需求。在第一决策树中，上述多个因素包括但不限于年龄、性别、家庭人口结构、身高、体重、病史、就诊次数、就诊时间、就诊医生、门诊病历等。其中，稀疏多变量决策树也称为稀疏斜决策树，稀疏斜决策树使用较少的训练样本即可。

需要说明的是，在使用第一决策树预测与目标居民匹配的就诊类别之前，需要先对第一决策树进行训练，使得已训练的第一决策树能够准确地预测与目标居民匹配的就诊类别。

可选地，在训练第一决策树之前，本实施例还包括：

获取历史居民的个人信息和历史就诊类别；

训练第一决策树包括：

根据历史居民的个人信息和历史就诊类别，训练第一决策树。

历史居民可以是指训练第一决策树时使用的个人信息对应的居民，例如在训练第一决策树时使用了居民A的个人信息，那么居民A即为历史居民。根据历史居民的个人信息可以挖掘历史居民的健康需求，从而为历史居民推荐符合其健康需求的医生。

历史就诊类别是指与历史居民的个人信息匹配的就诊类别。

在本实施例中，历史居民的个人信息，以及历史就诊类别是作为训练样本，用于训练第一决策树。具体地，将训练样本中的历史居民的个人信息作为第一决策树的输入，历史就诊类别作为真实值，对第一决策树进行训练。需要说明的是，在训练第一决策树时，训练样本的数量为至少两个，确保具有较多的训练样本，使用较多的训练样本训练第一决策树，能够提高第一决策树预测医生的准确率。

示例性的，使用n个训练样本对第一决策树进行训练，一个训练样本包括一个历史居民的个人信息以及历史就诊类别，n个训练样本可以表示为{(x

在使用训练样本训练第一决策树时，主要是基于目标函数，针对不同属性的线性组合，确定最佳测试条件，直到满足训练终止条件。在训练过程中，每个决策树节点利用sigmoid函数代替指示函数，从而利用连续优化算法训练第一决策树，确定最佳的分离训练样本的模型参数。假设在决策树节点一共有N个训练样本，训练样本x

其中，σ(·)表示sigmoid函数，

目标函数可以表示如下：

其中，W

H

其中，K表示历史就诊类别的数量，k表示第k个历史就诊类别，如果训练样本y

为了便于分析，可以将目标函数分解为光滑目标函数和非光滑目标函数，具体表示如下：

E(θ)＝S(θ)+||θ||

其中，S(θ)表示光滑目标函数，

针对上述带有绝对值的非光滑目标函数，可以使用正态有限记忆拟牛顿(Orthant-Wise Limited-Memory Quasi-Newton，OWL-QN)、临近梯度等连续优化算法进行分析。利用连续优化算法，确定使得目标函数最小的模型参数，构造出决策树节点划分条件。

第一决策树的构造流程如下：

训练样本S，最大深度D，节点的深度d作为输入；

步骤1，对于一节点，如果该节点中的所有训练样本均属于同一类就诊情形，或者d>D，则构造完毕；

步骤2，否则，添加一个新的节点，根据公式(3)计算该节点对应的目标函数；

步骤3，根据连续优化算法，确定目标函数最小时的模型参数θ(即最优模型参数θ)；

步骤4，根据最优模型参数θ，将训练样本S划分到左节点或右节点；

步骤5，继续执行步骤1至4，直到所有节点满足步骤1，即完成第一决策树的构建。

可选地，获取历史居民的个人信息和历史就诊类别包括：

获取收集的公开信息和就诊预约平台的就诊预约数据，公开信息包括历史居民的相关信息，就诊预约数据包括与历史居民的个人信息和历史就诊类别相关的数据；

根据公开信息和就诊预约数据，确定历史居民的个人信息和历史就诊类别。

历史居民的相关信息可以是指所有与历史居民相关的信息，例如，历史居民的年龄、性别、家庭人口结构、身高、体重、居住地址等信息。在本实施例中，可以人为收集上述公开信息，并将收集的上述公开信息发送至终端设备。例如，将收集的上述公开信息填写至终端设备，或者将收集的上述公开信息填写至其他设备，其他设备将上述公开信息发送至终端设备。也可以在历史居民注册就诊预约平台或者其他应用时，从注册信息中收集上述公开信息。

上述就诊预约平台可以是多家医院各自的就诊预约平台，也可以是汇集了多家医院的就诊预约平台，在此不做限定。

终端设备可以从就诊预约平台获取就诊预约数据。

具体地：终端设备向就诊预约平台发送数据获取请求，就诊预约平台在接收到该数据获取请求之后，获取自身存储的就诊预约数据，并将该就诊预约数据反馈至终端设备。其中，上述数据获取请求中包括所要获取的数据类型，便于就诊预约平台向终端设备反馈其所需的数据。上述就诊预约数据包括但不限于历史居民的病史、预约医生、预约时间、就诊次数、就诊医生、门诊病历以及历史居民的身份信息等。根据上述就诊预约数据可以得到与历史居民的个人信息匹配的历史就诊类别。

由于公开信息包括历史居民的相关信息，就诊预约数据包括历史居民的病史、预约医生、预约时间、就诊次数、就诊医生、门诊病历以及历史居民的身份信息等数据，那么通过对公开信息和就诊预约数据进行分析整合，可以得到历史居民的个人信息以及历史就诊类别。

具体地，可以通过对历史居民的相关信息、就诊预约数据中的预约医生和/或就诊医生所属的科室，以及门诊病历中疾病类型进行分析，得到历史居民的历史就诊类别。例如，历史居民的年龄为四岁，就诊医生所属的科室为儿科，门诊病历中疾病类型为呼吸道疾病，由于呼吸道疾病通常属于内科，历史居民为儿童，那么可以确定历史居民的历史就诊类别为儿科下的小儿内科。

可选地，在获取公开信息和就诊预约数据之后，本实施例还包括：

清洗公开信息和就诊预约数据，得到清洗后数据；

根据公开信息和就诊预约数据，确定历史居民的个人信息和历史就诊类别包括：

根据清洗后数据，确定历史居民的个人信息和历史就诊类别的。

由于上述公开信息和就诊预约数据中可能存在重复的信息或数据，部分信息或数据也可能存在缺失值或者异常值，通过清洗公开信息和就诊预约数据，可以提高历史居民的个人信息以及历史就诊类别的质量。

步骤103，根据目标就诊类别，确定医生列表。

其中，医生列表包括至少一个目标医生的个人信息。

目标医生的个人信息包括但不限于目标医生的教育背景、从业经验、职称、职位等信息。目标医生是指与目标就诊类别匹配的医生，即与目标居民的健康需求匹配的医生。

步骤104，向目标居民推荐医生列表。

具体地，可以通过预设推荐方式向目标居民推荐医生列表。上述预设推荐方式是指预先设置的推荐方式。例如，在终端设备的屏幕上显示医生列表，或者将医生列表发送到目标居民的邮箱等。

本申请实施例通过将目标居民的个人信息输入至已训练的第一决策树，能够得到与目标居民的个人信息匹配的就诊类别，根据该就诊类别可以得到医生列表，将该医生列表推荐给目标居民，能够向目标居民推荐与其匹配的医生，满足目标居民的健康需求。

参见图2，是本申请实施例二提供的医生推荐方法的实现流程示意图，该医生推荐方法应用于终端设备，如图所示该医生推荐方法可以包括以下步骤：

步骤201，获取目标居民的个人信息。

该步骤与步骤101相同，具体可参见步骤101的相关描述，在此不再赘述。

步骤202，将目标居民的个人信息输入至已训练的第一决策树，得到目标就诊类别。

该步骤与步骤102相同，具体可参见步骤102的相关描述，在此不再赘述。

步骤203，根据目标就诊类别，确定医生列表。

该步骤与步骤103相同，具体可参见步骤103的相关描述，在此不再赘述。

步骤204，获取医生列表中目标医生的健康服务水平。

其中，目标医生的健康服务水平可以理解为目标医生的医术水平。

在一实施例中，终端设备可以从健康服务水平评价设备中获取目标医生的健康服务水平。

具体地，终端设备在获取到医生列表之后，将医生列表发送至健康服务水平评价设备，健康服务水平评价设备可以判断医生列表中所有目标医生的健康服务水平，并将所有目标医生的健康服务水平反馈给终端设备。例如，医生列表包括三个目标医生的个人信息，终端设备可以将该医生列表发送至健康服务水平评价设备，健康服务水平评价设备根据三个目标医生各自的个人信息，可以分别对三个目标医生的健康服务水平进行评价，得到三个目标医生各自的健康服务水平，并将三个目标医生各自的健康服务水平反馈给终端设备。其中，上述健康服务水平评价设备用于根据医生的个人信息评价其健康服务水平。

在另一实施例中，在获取目标医生的健康服务水平之前，终端设备可以先获取对应关系，该对应关系至少包括目标医生的个人信息与其健康服务水平之间的映射关系；再从该对应关系中可以查找到与目标医生的个人信息对应的健康服务水平，该健康服务水平即为目标医生的健康服务水平。其中，上述对应关系可以预先存储在终端设备中，也可以是终端设备从其他设备中获取，在此不做限定。

在又一实施例中，可以将目标医生的个人信息输入至已训练的第二决策树，得到目标医生的健康服务水平。

其中，第二决策树用于根据医生的个人信息预测医生的健康服务水平，故将医生列表中所有目标医生的个人信息输入至第二决策树，能够预测所有目标医生的健康服务水平。例如，医生列表包括三个目标医生的个人信息，将三个目标医生的个人信息均输入至第二决策树，能够得到三个目标医生各自的健康服务水平。

第二决策树可以是稀疏多变量决策树，该决策树在每次决策时考虑多个因素的组合，可以更好地划分出不同的健康服务水平。在第二决策树中，上述多个因素包括但不限于教育背景、从业经验、职称、职位等信息。

需要说明的是，在使用第二决策树预测目标医生的健康服务水平之前，需要先对第二决策树进行训练，使得已训练的第二决策树能够准确地预测目标医生的健康服务水平。

在训练第二决策树时，所使用的训练样本包括历史医生的个人信息及其健康服务水平，历史医生的个人信息作为第二决策树的输入，历史医生的健康服务水平作为真实值，在使用训练样本训练第二决策树和构造第二决策树时，可参考第一决策树的训练过程和构建过程，在此不再赘述。其中，历史医生的个人信息包括但不限于历史医生的教育背景、从业经验、职称、职位等信息。根据历史医生的个人信息，可以挖掘历史医生的专业特长，得到历史医生的健康服务水平。

步骤205，根据目标医生的健康服务水平，对医生列表进行排序，得到排序后的医生列表。

具体地，可以按照健康服务水平由高至低的顺序，对医生列表中的所有目标医生的个人信息进行排序，从而将健康服务水平较高的目标医生的个人信息靠前排列，便于目标居民快速查找到与其匹配度较高的医生。

需要说明的是，本实施例也可按照健康服务水平由低至高的顺序，或者其他顺序，对医生列表中的所有目标医生的个人信息进行排序，在此不做限定。

步骤206，向目标居民推荐排序后的医生列表。

需要说明的是，终端设备在向目标居民推荐排序后的医生列表时，也可使用实施例一介绍的预设推荐方式，具体介绍可参见实施例一，在此不再赘述。

本申请实施例在实施例一的基础上，按照健康服务水平对医生列表中的所有目标医生的个人信息进行排序，得到排序后的医生列表，并将排序后的医生列表推荐给目标居民，能够便于目标居民快速查找到与其匹配度较高的医生。

参见图3，是本申请实施例三提供的医生推荐装置的结构示意图，为了便于说明，仅示出了与本申请实施例相关的部分。

所述医生推荐装置包括：

信息获取模块31，用于获取目标居民的个人信息，所述目标居民的个人信息包括所述目标居民的人口学信息和就诊历史信息；

类别获取模块32，用于将所述目标居民的个人信息输入至已训练的第一决策树，得到目标就诊类别，所述目标就诊类别是指与所述目标居民的个人信息匹配的就诊类别；

医生确定模块33，用于根据所述目标就诊类别，确定医生列表，所述医生列表包括至少一个目标医生的个人信息；

医生推荐模块34，用于向所述目标居民推荐所述医生列表。

可选地，上述医生推荐装置还包括：

数据获取模块，用于获取历史居民的个人信息和历史就诊类别；

决策树训练模块，用于根据所述历史居民的个人信息和所述历史就诊类别，训练所述第一决策树。

可选地，上述数据获取模块包括：

获取子模块，用于获取收集的公开信息和就诊预约平台的就诊预约数据，所述公开信息包括所述历史居民的相关信息，所述就诊预约数据包括与所述历史居民的个人信息和所述历史就诊类别相关的数据；

确定子模块，用于根据所述公开信息和所述就诊预约数据，确定所述历史居民的个人信息和所述历史就诊类别。

可选地，上述数据获取模块还包括：

清洗子模块，用于清洗所述公开信息和所述就诊预约数据，得到清洗后数据；

上述确定子模块，具体用于根据所述清洗后数据，确定所述历史居民的个人信息和所述历史就诊类别。

可选地，上述医生推荐装置还包括：

水平获取模块，用于获取所述目标医生的健康服务水平；

列表排序模块，用于根据所述目标医生的健康服务水平，对所述医生列表进行排序，得到排序后的所述医生列表；

上述医生推荐模块34具体用于：

向所述目标居民推荐排序后的所述医生列表。

可选地，上述医生推荐装置还包括：

关系获取模块，用于获取对应关系，所述对应关系至少包括所述目标医生的个人信息与其健康服务水平之间的映射关系；

上述水平获取模块，具体用于根据所述目标医生的个人信息和所述对应关系，确定所述目标医生的健康服务水平。

可选地，上述水平获取模块具体用于：

将所述目标医生的个人信息输入至已训练的第二决策树，得到所述目标医生的健康服务水平。

本申请实施例提供的医生推荐装置可以应用在前述方法实施例一和实施例二中，详情参见上述方法实施例一和实施例二的描述，在此不再赘述。

图4是本申请实施例四提供的终端设备的结构示意图。如图4所示，该实施例的终端设备4包括：一个或多个处理器40(图中仅示出一个)、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个医生推荐方法实施例中的步骤。

所述终端设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端设备4的示例，并不构成对终端设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器41可以是所述终端设备4的内部存储单元，例如终端设备4的硬盘或内存。所述存储器41也可以是所述终端设备4的外部存储设备，例如所述终端设备4上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器41还可以既包括所述终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

本申请实现上述实施例方法中的全部或部分流程，也可以通过一种计算机程序产品来完成，当所述计算机程序产品在终端设备上运行时，使得所述终端设备执行时实现可实现上述各个方法实施例中的步骤。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。